[1]高峰,桂晟偲,余志涛,等.一种乘客信息显示器的机器视觉检测系统[J].机车电传动,2018,(05):108-111.[doi:10.13890/j.issn.1000-128x.2018.05.024]
 GAO Feng,GUI Shengsi,YU Zhitao,et al.Machine Vision Test for Passenger Information Interface[J].Electric Drive for Locomotives,2018,(05):108-111.[doi:10.13890/j.issn.1000-128x.2018.05.024]
点击复制

一种乘客信息显示器的机器视觉检测系统()
分享到:

机车电传动[ISSN:1000-128X/CN:43-1125/U]

卷:
期数:
2018年05期
页码:
108-111
栏目:
试验检测
出版日期:
2018-09-10

文章信息/Info

Title:
Machine Vision Test for Passenger Information Interface
文章编号:
1000-128X(2018)05-0108-04
作者:
高峰桂晟偲余志涛陈志漫张宏伟
(株洲中车时代电气股份有限公司,湖南株洲 412001)
Author(s):
GAO Feng GUI Shengsi YU Zhitao CHEN Zhiman ZHANG Hongwei
( Zhuzhou CRRC Times Electric Co.,Ltd., Zhuzhou, Hunan 412001, China )
关键词:
机器视觉LabView Vision图像处理NI 视觉NI 视觉生成器
Keywords:
machine vision LabView vision image processing NI vision NI vision creator
分类号:
TN873;U270.38
DOI:
10.13890/j.issn.1000-128x.2018.05.024
文献标志码:
A
摘要:
由于传统人工测试方法强度高、效率低,通过机器视觉方法对列车乘客信息显示器进行测试,采用LabView Vision 基于USB 3.0 相机设计实现了机器视觉检测系统,对该型显示器实现亮点、暗点、字符自动识别和自动检测。试验验证表明,该检测系统提高了测试一致性,保证了测试覆盖率,并能够精确进行故障诊断。
Abstract:
Because of the high intensity and low efficiency of the traditional manual testing method, the train passenger information display should be tested by machine vision method. The machine vision testing system was designed and implemented by using LabView Vision based on USB 3.0 camera which could automatic recognition and automatic detection of high lights, dark spots and characters. The test results showed that the system improves test consistency, ensures test coverage, and could accurately diagnose faults.

参考文献/References:

[1] 张宁,徐熙平. LabView 平台下USB 图像采集与处理系统设计[J]. 工业仪表与自动化装置,2013(6):80-82.
[2]李逆 . 基于虚拟仪器的PCBA智能视觉检测技术研究[D]. 桂林:桂林电子科技大学,2009.
[3] 李汉国,何星,阎晓娜. 印制电路板的自动光学检测[J]. 无损检测,2004,26(4):307-309.
[4] 陈锡辉,张银鸿. LabVIEW 8.20 程序设计从入门到精通[M]. 北京:清华大学出版社,2007.
[5]杨乐平,李海涛,赵勇,等. LabVIEW 高级程序设计[M]. 北京:清华大学出版社,2003.
[6] 吕军 . 基于虚拟仪器技术的工业视觉检测系统[D]. 广州:暨南大学,2003.
[7] 刘波. 表面贴装LED 全自动编带机视觉监测系统研制[D]. 西安:西安工业大学,2013.

备注/Memo

备注/Memo:
作者简介:高 峰(1985-),男,工程师,主要从事电路板DFT/DFM,边界扫描测试、在线测试、机器视觉等测试技术研究。
更新日期/Last Update: 2018-09-10